UdZ 02.21

UdZ 02.21 / 79 Figure 1 : Use Case DFA Tulip Input Decibel Input Energy Input RTLS Input Laser cutting process Database Application of data fusion Output of the results Inputs of the start and stop times of the operation Datenquellen entwickelten die Anwendenden zunächst eine Morphologie, um eine Datenquelle generisch beschreiben zu können. IndemallemöglichenArten vonDatenquellenbzw. deren morphologische Ausprägungen kombiniert werden, können prozesstypische Fehler bei der Fusion abgeleitet und Fehler­ klassen gebildet werden. Während des Projekts wurde be­ stimmt, inwieweit eine Methode für die Anwendung der Datenfusion resistent gegen einen entsprechenden Fehlertyp ist. Wenn bekannt ist, welche Datenquellen fusioniert werden sollen, ist es den Anwendenden auf Basis dieser Zuordnung möglich, konkrete Methoden der Datenfusion abzuleiten. Jene können somit die zentralen Herausforderungen bei der Kombination der gewählten Datenquellen bestmöglich bewältigen. Um das in der Theorie entwickelte Modell in der praktischen Anwendung zu prüfen, wurde unter anderemeinUsecase in der Demonstrationsfabrik Aachen (DFA) durchgeführt. Hintergrund dieses Usecase waren Unregelmäßigkeiten beim VergleichvonStart- undEndzeitpunkteneinzelner Arbeitsgänge einer Laserschneidmaschine. Die vorliegende Datenqualität ist aktuell insbesondere unter den Aspekten Genauigkeit , Voll­ ständigkeit und Aktualität mangelhaft. Ziel der praxisnahen Umsetzung war es, die Datenqualität zu verbessern, indem die verschiedenen Informationsquellen mit­ hilfe von Datenfusionsmethoden kombiniert werden. Der zu optimierende Informationsbedarf betraf die Arbeitsgang­ zeit der Laserschneidmaschine. Die Informationsverfügbarkeit bestand in den erfassten Daten eines Buzzers, eines RTLS- Sensors, einer Intelligenten Sensorik und eines ergänzenden Informationssystems. Die Intelligente Sensorik enthielt einen Energie- und einen Noise-Sensor. Die Sensoren sendeten das Signal „Start“ bzw. „Stopp“, wenn der Energieverbrauch bzw. der Geräuschpegel eine bestimmte Schwelle über- bzw. wieder unterschritt. Der Buzzer sendete entsprechende Signale bei ma­ fusion based on this assignment. Those can thus best address the key challenges in combining the selected data sources. In order to test the model developed in theory in practical application, a use case was carried out at the Demonstration Factory Aachen (DFA), among other things. The background to this use case was irregularities in the comparison of start and end times of individual operations of a laser cutting machine. The existing data quality is currently inadequate, especially with regard to accuracy, completeness and up-to-dateness. The goal of the practical implementation was to improve the data quality by combining the different information sources using data fusion methods. The information need to be optimized was related to the laser cutting machine operation time. The information availability consisted of the acquired data from a buzzer, an RTLS sensor, an Intelligent Sensor Technology, and a complementary information system. The Intelligent Sensor System included an energy sensor and a noise sensor. The sensors sent the “start”and “stop” signals, respectively, when the energy consumption or noise level exceeded or fell below a certain threshold. The buzzer sent corresponding signals when the employee performed manual actions. The RTLS sensor was able to measure when employees entered or left a predefined work zone. In order to select the best possible data fusion method for the application, it was first necessary to identify potentially occurring defect classes. For this purpose, the morphological characteristics of the data sources were combined. Thus, with regard to the use case, potentially large data volumes, the lack of possibility to apply mathematical operators, and different scale levels, among others, could be identified as errors typical for the process. Based on the analyzed resistances of the data fusion methods to the collected error classes, the method